Brain-NET چیست و در آموزش به اعضای علوم پزشکی چه مزیتی دارد؟

 

Brain-NET، روش جدید یادگیری عمیق، عملکرد جراحان را بر اساس داده های تصویربرداری عصبی به طور دقیق پیش بینی می کند. تکنولوژی جدیدی که می تواند روند آموزش و ارزیابی جراحان را دگرگون کند.

محققان نشان دادند که چگونه این روش آموزشی که آن را ‘Brain-NET’ می نامند می تواند به طور دقیقی سطح تخصص و مهارت افراد را در مهارت سرعت عمل و دقت در جراحی بر اساس داده های تصویر برداری عصبی پیش بینی کند.

رزیدنت ها در آمریکا به منظور کسب گواهی در جراحی عمومی باید مهارت خود را در دوره اصول لاپاراسکوپی (FLS) نشان دهند (آزمونی که نیاز به کار با ابزار لاپاراسکوپی در یک واحد آموزش عملی دارد)

 

نکته اساسی در این ارزیابی، نمره کمّی می باشد که به عنوان نمره FLS شناخته می شود و به صورت دستی با استفاده از فرمولی زمان بر و دشوار محاسبه می شود.

آنها با ترکیب تصویربرداری از مغز و روشی برای آموزش عمیق تحت عنوان "Brain-NET" ، در تیمی چند رشته ای متشکل از مهندسان در موسسه پلی تکنیک Rensselaer، با همکاری نزدیک با گروه جراحی دانشکده علوم پزشکی جاکوبز در دانشگاه در بوفالو، روش جدیدی را ایجاد کرده است که توانایی تغییر آموزش و روند صدور گواهینامه برای جراحان را دارد.

در مقاله جدیدی در معاملات IEEE در مهندسی پزشکی، محققان نشان دادند که چگونه Brain-NET می تواند سطح تخصص فرد را از نظر مهارت های حرکتی در عمل های جراحی دقیقاً بر اساس داده های تصویربرداری عصبی پیش بینی کند. این نتایج از اتخاذ روشی جدید و کارآمدتر جهت صدور گواهینامه جراح پشتیبانی می کند.

 

 

خاویر اینتس، استاد مهندسی پزشکی در Rensselaer، مدیرتحقیقات، گفت: "این موضوع کاملا به RPI  اختصاص داشته و منحصر به فرد است."

طبق گفته های اینتس، Brain-NET نه تنها با سرعت بیشتری نسبت به مدل پیش بینی سنتی عمل می کند، بلکه با دقت بیشتری نیز انجام می شود، خصوصاً که مجموعه داده های بزرگتر را تجزیه و تحلیل می کند.

Brain-NET بر اساس کارهای قبلی تیم تحقیق در این زمینه بنا شده است. محققان به سرپرستی Suvranu De، رئیس گروه مهندسی مکانیک، هوا فضا و هسته ای Rensselaer، در گذشته نشان داده بودند که می توانند با تجزیه و تحلیل سیگنال های فعال سازی مغز با استفاده از تصویربرداری نوری، مهارت های حرکتی جراحی یک پزشک را به طور دقیق ارزیابی کنند.

 

 

علاوه بر پتانسیل آن برای ساده سازی روند صدور گواهینامه جراح، توسعه Brain-NET، همراه با آن تجزیه و تحلیل تصویربرداری نوری، بازخورد نمرات در زمان واقعی و به صورت لحظه به لحظه را برای جراحانی که آموزش می بینند نیز فراهم می کند.

اینتس گفت: "اگر بتوانید اندازه نمره پیش بینی شده را سریعا بدست آورید، در ادامه می توانید فوراً بازخورد دهید. آنچه این راه را برای شما هموارتر می کند، این است به جای درگیری با نمره و امتیاز دهی درگیر اصلاحات یا فرایند آموزش شوید."

 

تاریخ انتشار: August 11, 2020

منبع: https://www.sciencedaily.com/releases/2020/08/200811125049.htm

 ترجمه شده توسط دپارتمان آموزش پزشکی آوید